Commerce potentiel entre le Cameroun et ses pays frontaliers

2. Procédures économétriques et estimation du modèle

2.1. Procédures économétriques

La méthode de sélection, l'omission de variables explicatives, les données manquantes ou censurées ou même l'endogénéité^34(*) de certaines variables explicatives ainsi que l'omission des variables explicatives sont autant de problèmes généralement rencontrés lors des estimations des modèles de gravité, et de ce fait, il faut en tenir grand compte en envisageant les méthodes d'estimation les plus adéquates.

En effet, comme évoqué précédemment, l'échantillon des pays participant à l'estimation ne fait pas l'objet d'un échantillonnage aléatoire (sondage); de plus certaines valeurs de la variable endogène sont non renseignées, d'où les éventuels problèmes de biais de sélection qui peuvent survenir conduisant à des estimations biaisées des effets des variables explicatives. L'omission des variables explicatives peut conduire à de mauvaises estimations des modèles de gravité.

Pour pallier à ces différents problèmes, des procédures économétriques spécifiques existent. Pour l'omission des valeurs explicatives^35(*), ANDERSON et Van WINCOOP (2003) proposent l'introduction d'effets fixes individuels dans un modèle estimé en données de panel afin de capturer non seulement ces variables omises mais aussi les facteurs non observables liés à chaque couple de pays. Concernant le problème du biais de sélection dû à plusieurs causes (sélection non aléatoire, endogénéité des variables explicatives, données manquantes, etc.), la méthode d'estimation en deux étapes de HECKMAN s'avère adéquate puisqu'elle permet d'introduire un facteur de correction (inverse du ratio de MILLS ou Lambda) dans la régression, facteur sans lequel les estimateurs des moindres carrés ordinaires (MCO) seraient fortement biaisés et qui peut aussi prendre en compte l'effet des variables omises.

Pour le cas qui nous concerne, c'est cette dernière procédure que nous adoptons, qui se rapproche un peu du modèle TOBIT utilisé par FOROUTAN et PRITCHETT (1993) et même par GBETNKOM (2004).

F Modèles à effets fixes

L'estimation en données de panel permet l'introduction d'effets individuels ou temporels, fixes ou aléatoires. Ceux-ci sont en fait des variables dummies destinées à capter certaines caractéristiques individuelles ou temporelles (SEVESTRE, 2002). Les effets fixes individuels proposés par ANDERSON et Van WINCOOP (2003) permettent de prendre en compte les spécificités non observables individuelles et l'effet des variables omises. Ces effets sont des variables indicatrices et le modèle de gravité s'écrit de la manière suivante : , où les sont les effets fixes, etles variables explicatives classiques.

F Modèles TOBIT et HECKIT

Ce sont des modèles où la variable explicative est censurée : dans le cas du modèle TOBIT, toutes les valeurs sont observées mais ont un plancher ; par contre dans le cas du modèle HECKIT plus général, toutes les valeurs de la variable explicative ne sont pas observées et peuvent avoir des planchers.

Dans les deux cas, on estime un modèle PROBIT servant à déterminer le ratio de MILLS appelé modèle de sélection; le ratio de MILLS est ensuite calculé pour chaque individu, et intégré comme variable explicative avec les autres régresseurs pour l'estimation en seconde étape d'un modèle de régression simple. Ces modèles fournissent des estimateurs robustes des élasticités partielles de chacune des variables explicatives.

* ³⁴ Une variable explicative est dite endogène si elle est corrélée au terme d'erreur ;

* ³⁵ Les variables destinées à capturer les prix (indices de prix multilatéraux) sont souvent omises parce qu'elles sont difficiles à mettre en oeuvre, alors qu'elles expliquent une grande part des exportations.